arXiv cs.RO 机器人学· Zheng Qiu, Zhouyu Zhang, Ninghan Zhong, Glen Chou·· 2 小时前精选AI 评分53
KCL：从视觉示教中学习关键点约束以实现安全运动规划
Learning Keypoint Constraints from Visual Demonstrations for Safe Motion Planning
AI 导读
论文提出 Keypoint Constraint Learning（KCL）框架，从视觉示教中学习任务相关运动约束并用于安全规划。为使从 RGB-D 观测中学习约束可行，该方法用分割、视觉特征聚类和点跟踪提取的稀疏 3D 物体关键点与语义掩码质心表示示教；在该降维几何空间中学习关键点动力学，并通过施加 KKT 最优性条件推断距离与方向约束，使专家轨迹可行且近似局部最优。
推荐理由
论文说明了如何从RGB-D视觉示教中压缩出关键点约束并分析感知与动力学误差对约束恢复的影响，做示教学习的读者可参考其误差到鲁棒裕度的推导思路。
来源：arXiv cs.RO 机器人学 · arxiv.org